开源大模型时代下先进计算演进的研究报告（2025）

开源大模型重塑全球AI格局：自ChatGPT引爆全球以来，大模型成为AI产业核心，Meta发布Llama系列开启开源大模型时代，DeepSeek、Qwen、Llama3、Mistral、GLM等开源大模型性能逼近甚至超越闭源模型，改变了全球AI产业格局。开源大模型降低了应用门槛，激发千行百业创新活力，但对底层先进计算基础设施提出挑战。
算力需求转变：算力需求从训练驱动转向推理与Agent执行驱动，训练算力每6-10个月翻倍，推理需求两年内可能增长百万倍。
国产算力加速崛起：美国对高端AI芯片出口管制下，国产AI算力产业加速崛起，华为昇腾、寒武纪、海光等厂商实现规模化应用，DeepSeek等开源大模型团队在国产算力上实现大规模推理部署。
先进计算全面演进：先进计算从单点芯片创新转向系统级、生态级的全面演进，竞争从“芯片为王”变为“系统级竞争”与“生态级竞争”。

开源大模型生态全景：全球开源大模型主要参与者包括Meta（Llama）、Mistral、Google（Gemma）、阿联酋技术创新研究院（Falcon）、国内DeepSeek、阿里巴巴Qwen、智谱AI（GLM）、百川智能（Baichuan）等。开源协议以MIT、Apache2.0为主，开放程度整体呈上升趋势。HuggingFace作为核心基础设施，提供全流程工具链。
产业政策与战略导向：国家层面政策鼓励开源大模型生态建设，推动国产算力与开源模型深度适配。地方层面政策通过算力券补贴、智算中心建设等措施构建良性生态。行业自律方面，中国信通院等组织推动建立评测、安全治理等规范。
主要应用场景：大规模预训练、微调与持续训练、云端推理服务、边缘与端侧推理、智能体与多模态场景。不同场景对算力规模、互联带宽、内存容量、功耗预算、推理时延等要求差异巨大。
产业链格局：上游包括AI芯片、HBM存储、先进封装、光互联等核心硬件环节；中游包括智算中心、云服务与开源软件栈；下游包括开源大模型团队、行业应用与终端。
发展趋势研判：算力供需结构持续重构，推理算力成为主要构成；异构算力融合加速；开源软件栈成为关键变量；国产算力进入规模化应用阶段；标准化成为产业协同的关键。

演进的总体方向：AI芯片架构创新、异构融合与算力池化、先进互联网络、推理优化技术、开源软硬件协同。
AI芯片架构创新：Transformer与MoE加速、Chiplet芯粒技术、HBM高带宽存储、存算一体与新型计算范式。
异构融合与算力池化：Scale-up与Scale-out的协同演进、软件定义算力、跨厂商异构混训与混推。
先进互联网络：节点内互联（NVLink到UALink、CXL）、节点间互联（UEC、InfiniBand与RoCE）、光互联与CPO。
推理优化技术：KVCache管理（PagedAttention）、ContinuousBatching、量化与低精度推理、投机解码与并行解码、长上下文优化。
开源软硬件协同：编译器演进（从CUDA到Triton/MLIR）、训练框架（PyTorch生态的开放性）、推理框架（vLLM、SGLang、TensorRT-LLM）、国产软件栈的演进路径。
关键技术挑战：AI芯片与硬件层面、系统与互联层面、软件栈与生态层面。

国内外标准现状：国际方面包括MLPerf、OCP、UEC、UALink、UCIe、CXL等；国内方面包括TC28SC42、CCSA等。
标准空白识别：开源大模型在异构AI算力平台的适配评测规范缺位、大规模训练集群的技术要求与评测方法尚未成熟、先进互联网络的接口与互操作规范有待统一、开源软件栈的统一编程接口与算子规范尚未形成、软硬件协同优化方法论缺乏标准引导。
标准化需求识别：开源大模型与算力适配类、先进计算系统与互联类、开源软件栈与生态类。
重点标准化方向建议：开源大模型与算力适配类标准、先进计算系统与互联类标准、开源软件栈与生态类标准。
下一步工作建议：组建专项标准化工作组、优先启动高紧迫性标准、加强国际标准协同、推动标准与开源协同、建立标准评测与认证体系、持续跟踪产业前沿动态。

DeepSeekV4发布概述：V4-Pro（1.6万亿参数）和V4-Flash（2840亿参数）两个版本，原生支持1Mtoken超长上下文，API兼容OpenAI与Anthropic接口标准，商业化定价极具竞争力。
关键技术突破：全新注意力机制（DSA+CSA+HCA混合架构）、计算与显存需求大幅下降、训练精度选型（mxFP4）释放国产化信号。
对先进计算演进的启示：国产算力深度适配进入新阶段、从CUDA到CANN的软件栈迁移范式样本、开源+国产算力产业链协同新模式。